用户故事｜ 永不满足的追求，是我们前进的动力
大寒
你好，我是大寒，在一家中小规模的互联网企业工作。
从业六年有余，我的经历可能有些与众不同，一直在“解锁”新角色，从最初的数据分析师，转变为数据仓库开发，再到现在还兼任了数据产品。
为何学习专栏？
不同身份的切换，让我能够用不同视角看待自己从事的大数据领域工作。但是更多人来找我请教、探讨数据问题的时候，“野路子”出身的自己也会惴惴不安。
其中一件小事让我印象深刻。我曾经和同事探讨过，如何对公司数据仓库中的模型表划分整合时，我想到的是从人 - 行为 - 物三个基点划分，以达到“用户在什么时间做了什么事情”的效果。
从后续复盘来看这种方式过于泛泛，最直观的例子是：用户在站内的各种交互行为叠加各种营销活动数据，最后行为大类的模型表占比会超过 50%，这样就和不做分类没什么区别了。
而同事抛出了数据域这个概念，并举例，将我的行为大类拆分为了交易域、交互行为域、营销活动域等更加合理的分类。这一刻让我深刻意识到了闭门造车是不行的，还是需要吸纳行业大拿们的成熟经验。
另外，在工作中虽然通过看书学到了一些概念，但是发现实际操作是另一番天地。
比如，在调研如何做公司数据治理时，原本想实现更完善的公司数据生命周期管理和数据分级。
实际的工作推进时，数据生命周期管理根本没按书里的剧本走，而我提出的以“突出标注核心任务”的数据方案，也因为任务量小、收益低而被驳回。这类工作中产生的困惑，也希望能获得些点拨。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. 从不同身份的切换中获得了对大数据领域工作的多角度理解，但也意识到需要吸纳行业大拿的成熟经验，闭门造车是不行的。 2. 实际操作中发现书本知识与实际工作有差距，希望能够获得实际工作中的指导和点拨。 3. 面对“大模型焦虑”，希望能够结合实际工作中的困惑，寻找解决方案。 4. 学习专栏的关键方法包括多记笔记、勤思好问、学以致用，并且将所学内容应用到实际工作中。 5. 通过学习专栏，对大数据工作的整体蓝图有了更完善的理解，能够将所学内容应用到实际工作中，解决实际问题。 6. 学习专栏内容后，能够结合实际工作中的问题，设计出相应的解决方案，并且稳步实现。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《大数据应用实战》，新⼈⾸单¥59
《大数据应用实战》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论